基于多分辨率过冲效应度量的锐化图像识别方法

摘要

本发明公开了一种基于多分辨率过冲效应度量的锐化图像识别方法。主要解决现有的方法中无法识别纹理过于复杂的锐化图像，对轻度锐化图像存在漏判的问题。本发明可有效的识别经历过锐化操作的数字图像，可用于对互联网、法庭、新闻传媒等场合中的图像的真实性进行检测。其实现步骤是：(1)提取图像边缘；(2)非下采样轮廓波变换；(3)图像边缘点分类；(4)度量过冲效应；(5)决策融合锐化判定。本发明具有识别准确率高，空间复杂度低的优点。

主权项

一种基于多分辨率过冲效应度量的锐化图像识别方法，包括如下步骤：(1)提取图像边缘点：(1a)对于待测试图像是彩色图像的，提取该待测试图像的亮度通道作为单通道图像，对于待测试图像是灰度图像的，对该单通道图像不进行任何处理；(1b)利用卡尼Canny算子，对单通道图像进行边缘检测，得到该单通道图像的边缘图像；(1c)在边缘图像中，以0°为起点，以45°为间隔选取8个方向的边缘，删除其中存在交叉点的边缘，得到图像边缘点集合；(2)非下采样轮廓波变换：使用非下采样轮廓波变换NSCT工具包，对单通道图像进行3层、每层8个方向的非下采样轮廓波变换，得到该图像在3层、每层8个方向上的分解系数；(3)图像边缘点分类：对于每一个图像边缘点，按照以下规则进行分类：如果${\Phi }_1(i,j)=\underset{t}{max}{\Phi }_t(i,j),$则将e_i,j加入集合W；如果${\Phi }_2(i,j)=\underset{t}{max}{\Phi }_t(i,j),$则将e_i,j加入集合M；如果${\Phi }_3(i,j)=\underset{t}{max}{\Phi }_t(i,j),$则将e_i,j加入集合S；其中，Φ_t(i,j)表示图像边缘点e_i,j在第t层中的8个方向子带系数中的最大值，t表示分解系数所在的层，t的取值范围为{1,2,3}，(i,j)表示图像边缘点对应的坐标，i的取值范围为[1,M]，M表示边缘图像的长度，j的取值范围为[1,N]，N表示边缘图像的宽度，max表示取最大值操作，S、M、W分别表示初始化为空集的强、次强、弱图像边缘点集合；(4)度量过冲效应：(4a)抽取边际阶跃型边缘点；(4b)计算边际阶跃型边缘点的过冲效应强度；(4c)度量图像边缘点集合的过冲效应强度；(5)对于每一个单通道图像，按照以下规则进行决策融合锐化判定：(5a)如果f_S＞τ₁，判定为锐化图像，完成决策融合锐化判定，否则，执行步骤(5b)；(5b)如果τ₂＜f_S≤τ₁并且r_W＞r₀，判定为锐化图像，完成决策融合锐化判定，否则，执行步骤(5c)；(5c)如果τ₂＜f_S≤τ₁并且r_W≤r₀，判定为非锐化图像，完成决策融合锐化判定，否则，执行步骤(5d)；(5d)如果f_S≤τ₂，判定为非锐化图像，完成决策融合锐化判定；其中，f_S表示图像边缘点集合S的过冲效应的强度，τ₁表示强锐化阈值，τ₁的取值范围为[17,20]中的实数，τ₂表示弱锐化阈值，τ₂的取值范围为[13,15]中的实数，r_W表示图像边缘点集合W的维数与总图像边缘点数的比值，r₀表示弱锐化点比例阈值，r₀的取值范围为[0.25,0.35]中的实数。